logisticregression参数_Machine Learning(5)-LogisticRegression逻辑回归

LogisticRegression基本概念

• 逻辑回归：解决的分类问题，是基于线性回归的衍生算法。
• 将样本的特征和样本发生的概率联系在一起，概率是一个数。
• 在之前的线性回归中，通过公式
  求出的
  就是需要的值。例如预测成绩得到的就是成绩，预测价格得到的就是价格。
• 逻辑回归中，将
  再通过转换公式
  求出概率
  ，根据概率再进行分类。 因此，逻辑回归其实可以看成回归算法也可看成分类算法，作为分类算法
  只可以解决二分类问题，当然可以通过改进解决多分类问题。

LogisticRegression数学模型

• 对于线性回归公式，
  求得的可以是任意的值。
• 逻辑回归将线性回归方式求得的值，进行一个转换，变成[0，1]区间的概率。
• 这种转换通常采用Sigmoid函数:
  ， 取值范围为[0,1]

• 将
  带入sigmiod转换函数中，即得:

• 通常我们定义输出概率
  ，预测结果
  归为1类， 输出概率
  ，预测结果
  归为0类 。也就是
  大于0时分为1类，小于0时分为0类。因此